1 分钟内快速收敛的 3D 高斯溅写
计算机视觉与模式识别
2026-01-29 v2
摘要
我们提出了旨在一分钟内收敛的快速 3DGS 重建管线,为 SIGGRAPH Asia 3DGS 快速重建挑战开发。该挑战包括使用 SLAM 生成的相机位姿(带有噪声轨迹)的初始轮次和使用 COLMAP 位姿(高度准确)的最终轮次。为稳健处理这些异构设置,我们开发了两阶段解决方案。在初始轮次中,我们使用反向 per-Gaussians 并行优化和基于 Taming-GS 和 Speedy-splat 的紧凑前向溅写、负载均衡瓷砖、基于锚点的 Neural-Gaussians 表示实现快速收敛(使用更少的可学习参数)、来自单目深度和部分来自 feed-forward 3DGS 模型的初始化,以及针对噪声 SLAM 轨迹的全局姿态细化模块。在最终轮次中,准确的 COLMAP 位姿改变了优化景观;我们禁用姿态细化,回退到标准 3DGS 以消除 MLP 推理开销,引入受 Fast-GS 启发的多视角一致性导引的高斯分割,以及引入深度估计器以监督渲染深度。总体而言,这些技术使我们能够在严格的一分钟预算内实现高保真度重建。我们的方法在比赛中取得了最佳成绩,PSNR 为 28.43,位列第一。
引用
@article{arxiv.2601.19489,
title = {Fast Converging 3D Gaussian Splatting for 1-Minute Reconstruction},
author = {Ziyu Zhang and Tianle Liu and Diantao Tu and Shuhan Shen},
journal= {arXiv preprint arXiv:2601.19489},
year = {2026}
}
备注
First Rank of SIGGRAPH Asia 2025 3DGS Challenge. Code available at https://github.com/will-zzy/siggraph_asia